当前，人工智能正以前所未有的速度和广度影响着经济社会发展。百花齐放，离不开丰沃的土壤，也离不开勤恳的园丁。党中央高度重视人工智能发展，各地因地制宜推进工作，各类主体深度参与研发应用，我国人工智能跑出加速度，综合实力实现整体性、系统性跃升，这正是我们坚持有效市场和有为政府相结合的结果。放眼全球，世界主要经济体也在以国家战略进行系统布局，支持人工智能发展，推动“无形的手”和“有形的手”协同配合已成为全球各国的通行做法。因此，我们必须更好把握政府和市场的关系，让这“两只手”紧密协同、高效配合，在人工智能这场关乎未来的竞赛中赢得主动。

激发动力活力，离不开有效市场的调节。在一个高水平的市场中，价格、供求、竞争等机制相互作用，为创新策源和试错迭代提供平台，为供需对接与场景落地提供土壤，为产业生态的形成和优化提供动力。人工智能领域技术迭代极快，哪种算法更具潜力、哪种商业模式能够落地，往往要靠市场的快速反馈和多元竞争来筛选出最优解。因此，只有坚持让市场在人工智能的技术路线选择、商业模式创新和要素资源配置中起决定性作用，充分发挥市场在创新策源、高效试错、对接供需、生态优化等方面的平台作用，才能最大程度激发行业的创新潜能和发展活力。

在开放竞争的市场环境下，我国企业凭借高性价比优势和开源普惠策略，不仅显著降低了技术使用门槛，推动人工智能更好造福全人类，更通过激烈的市场竞争和协同创新，实现了从追赶到领跑的跨越。截至2025年底，累计有748款生成式人工智能服务完成备案，覆盖医疗、教育、制造、金融等行业。这一系列成就，印证了市场机制在驱动技术快速迭代、催生丰富应用、优化产业分工上的强大力量。

健康有序发展，离不开有为政府的保障。能否赋能千行百业、能否为最广大群众创造幸福生活，是技术发展的意义所在，也是检验一切技术发展成效的标准。人工智能技术投入大、周期长、风险高，纯市场资本往往倾向于追求短期回报与确定收益，对前沿基础研究、算力基础设施等公共品投入不足。同时，技术发展伴生的算法歧视、隐私泄露、就业替代等复杂风险，单靠市场难以有效化解，甚至可能因逐利行为而加剧。这就需要政府通过规划引领、政策支持、资源配置、规则约束等方式，主动弥补市场失灵，推动人工智能朝着有益、安全、公平方向健康有序发展。

近年来，我国政府精准施策，系统构建了引导和规范人工智能发展的治理体系。在顶层设计上，发布《关于深入实施“人工智能+”行动的意见》及各领域实施方案等，为人工智能发展擘画蓝图、明晰路径。在夯实基础上，启动国家人工智能应用中试基地建设，出台“人工智能券”等政策，着力破解算力买不起、用不好的痛点，为人工智能发展打造了坚实底座。在风险防范上，出台《生成式人工智能服务管理暂行办法》《人工智能安全治理框架》等，构筑起人工智能安全可控发展的制度基石。这些成绩的取得，正是有效市场和有为政府同向发力、优势互补的生动体现。

握指成拳，方能合力致远。持续推进人工智能高质量发展不仅要使市场在资源配置中起决定性作用，不断激发市场活力，也要更好发挥政府作用，做人工智能资源优化配置的“引路者”、产业健康发展的“维护者”、安全底线的“守护者”。展望未来，有效市场和有为政府的更好结合，不仅将催生更强大的技术突破与产业创新，更将探索出一条兼顾效率与公平、活力与秩序的发展之路，为共同推动人工智能造福人类贡献更多中国智慧与中国方案。

编者按：“未来之问”系列报道，是新华网数字经济频道联合苇草智酷、中国科技新闻学会推出的年度深度观察专题。从科技、社会、经济等维度向时代提问，逾百位科学家、学者、企业家参与，聚焦技术发展带来的长期性、结构性社会议题，推动前沿思考与公共讨论。为这个急速变化的时代，安装一套“思想减震器”和“伦理导航仪”，让每一次技术飞跃，都不脱离人类价值的引力场。

合成生物学、细胞工厂与发酵平台等生物科技推动着材料、食品与医药等行业的低碳转型，并显著降低了设计与生产门槛。与此同时，双重用途、供应链溯源与云实验平台的安全边界变得模糊。如何通过分级准入、DNA 序列筛查、国际应急协作等机制，在释放创新潜力的同时防控误用与外溢风险，成为平衡效率与安全的关键。

未来之问 | 生物制造与生物安全：大规模生物制造会否在重塑制造业同时引入新型生物风险，开放创新与风险防控如何平衡？

段玉聪 丨 国际先进技术与工程院院士、美国国家人工智能科学院通讯院士

合成生物学所驱动的大规模生物制造为传统高排放行业的转型带来曙光：利用工程菌和细胞工厂，我们能以可再生原料生产出材料、燃料和药品，大幅降低碳足迹，也降低了生物“设计—生产”的门槛。

然而这枚硬币有两面。在生物制造重塑产业的同时，也引入了全新的生物风险：一方面，“双重用途”问题凸显——同样的基因编辑技术既能造福人类，也可能被不法分子用于制造生物武器；另一方面，云实验室、DNA合成服务等的兴起，让危险生物因子在全球范围内更易获取、传播途径更模糊，进而导致传统生物安全边界被打破。

在开放创新与风险防控之间取得平衡，关键是建立分级管控和协同治理机制。首先，对不同风险级别的生物研究和应用实行分级准入。高致病性病原体的研发生产应限定在经过认证的高级别生物安全实验室，研究人员资格审查和项目审批需更严格；而对普通的工业发酵项目则可适当放宽，鼓励创新。

其次，行业和监管机构应推行DNA序列筛查制度。从源头上看，全球主要DNA合成服务商已在实行订购序列监测，拦截可疑的致病病毒或毒素基因订单。这需要进一步完善技术手段，并使之成为行业标准，例如建立国际“序列黑名单”数据库，所有基因合成订单都与之比对，确保危险序列不轻易流出实验室。

第三，构建跨国的应急协作网络。生物风险不分国界，一旦发生合成生物误用造成疫情或环境事故，各国需要及时共享情报、协同处置。这包括建立统一的信息通报平台，提前演练跨国疫情联防联控预案，以及在紧急时刻由世界卫生组织等牵头调配资源遏制蔓延。快速透明的协作是防止风险外溢的关键。

第四，完善法律规范和伦理准则。为防范生物制造的滥用，各国应更新生物安全法律，将合成生物产品和数字生物平台纳入监管。国际层面可以在《禁止生物武器公约》框架下补充针对合成生物学的附加议定，把模糊地带纳入法治轨道。同时，由科学共同体牵头制订行业行为准则，倡导研究者遵守生物伦理和安全底线，例如发布研究前进行安全风险评估与同行审核等。

通过以上机制，我们期望实现“两手抓”——一手激发生物制造的创新潜能，推动高排放产业的绿色转型；另一手扎牢生物安全的笼子，防控潜在的误用和外溢风险。正如联合国教科文组织所强调的，在基因和生物技术治理中要紧急平衡开放共享与安全保障。只有建立起从实验室到产业链的全流程安全网，我们才能既享受生物制造的红利，又将新型生物风险降至最低，走出一条高效与安全并重的发展之路。

顾忠泽丨 东南大学首席教授，数字医学工程全国重点实验室主任。生物电子器件与纳米仿生材料专家，美国医学与生物工程院院士

大规模生物制造，尤其是器官芯片等前沿技术的兴起，正推动生物制造产业深刻变革，并深远影响人类生活与健康。该技术以细胞工厂和人工生命系统为基础，能够实现从化学品到个性化药物的高效、绿色生产，不仅加速药物研发、推动精准医疗，还可创造出传统技术无法制备的新型物质。

然而，这种强大能力也伴随着新型生物风险：工程生物体或器官芯片等复杂活体系统可能因意外泄漏或设计缺陷，对生态和健康带来难以预知的影响；同时，高度集成的生物数据与设计工具，也带来了数据滥用和生物安全防护的双重挑战。

在开放创新与风险防控之间寻求平衡，必须构建与之适应的动态治理体系：

第一，实行分级分类精准监管：依据生物产品及器官芯片等技术的复杂度和潜在风险，实施差异化的管控策略。

第二，推动技术赋能全程防控：借助数字化溯源、人工智能等手段，将安全保障嵌入技术研发全流程，确保生物系统与数据资源的双重安全。

第三，倡导全球协同与伦理先行：积极推动国际安全标准与伦理共识的形成，使开放合作能够在透明、负责的框架下展开。

最终目标是将生物安全内化为技术创新的基石，引导生物制造沿着安全可控的轨道前行，从而创造一个更高效、精准且可持续的未来。

邓 斌 丨 书享界创始人

首先，建立分级准入机制，对不同风险级别的生物制造技术进行分类管理，确保高风险技术的使用符合严格标准。其次，利用DNA序列筛查技术，对生物制造过程中的基因片段进行监控，防止危险基因的扩散，同时，加强机构间的合作与交流，制定统一的生物安全标准，并建立跨机构应急响应机制。但我认为更关键的是，要明确实验室技术和商用技术的边界，受众的知情权非常关键。

段伟文 丨 中国社科院文化发展促进中心研究员

我有四个方面的问题值得系统考量。一是合成生物学等生物制造领域要有一个风险认知框架和高风险地图。风险认知框架主要基于具体的生物制造研究过程和产物对人类的遗传、群体健康、自然生态环境有无深远影响。高风险地图或图谱的主要作用是动态风险信息共享及对未来风险的预见。

二是构建对生物制造方面的知识和材料获取的动态监测机制。特别是在有生物安全风险和双重用途的情况下，应利用人工智能对相关知识的搜索、相关材料的获得进行智能识别，通过专门的生物安全算法及时发现这些知识和材料组合的风险。必要时，对特定专家的相关认知和行为进行全景监控。

三是对于生命制造这一收益巨大但风险更大的领域应实施“慢科学”策略。在高风险领域，应明确设立禁区；在风险认识不清楚的情况下，应设立暂时的研究禁区。

四是在地缘政治冲突的情况下要强化生物制造中生物安全公约的谈判和国际监督。

胡延平 丨 上海财经大学特聘教授、智能科技产业与智能经济研究学者

生物领域的安全风险甚至可能大于人工智能的风险。智能科技与生物科技结合部的伦理与安全风险大于生物领域自身的风险。应该秉承安全第一、效率第二的原则，在全球范围内协调制定有效规则。

金建方 丨 世界生态社会科学协会会长

以 “分级准入＋用途限定＋可审计” 的生态协议释放创新、约束风险：实施 DNA 序列筛查与合成订单风控，云实验平台实名与留痕；对双重用途工艺设立红线清单与沙盒评审；建立跨境事件通报与应急演练网络。以生态绩效与风险积分决定补贴与额度，鼓励低碳替代、限制高风险外溢。

李玉杰 丨 二六三网络通信股份有限公司董事长兼总裁

大规模生物制造是一把威力巨大的“双刃剑”，它在带来产业变革的同时，也引入了新型生物风险。因此，必须实行更为严格的分级准入的机制，根据生物技术活动的潜在风险等级（如基于病原体危险等级、实验操作类型等）设定不同级别的研发准入许可、实验室安全防护标准和人员资质要求，对高风险研究实行最严格的管控。

刘业进 丨 首都经济贸易大学城市经济与公共管理学院的教授、博士生导师

由于生命的底层逻辑逐渐被揭示出来，人类全基因组测序已经完成，转基因技术已经用于种植和养殖实践，文化（科技）演化速度远远快于生物（基因）演化速度，因此目前全球生物安全可能遭遇重大威胁，有关科技伦理审查制度亟待建立和执行。

刘志毅 丨 中国人工智能领军科学家、上海市人工智能社会治理协同创新中心研究员

大规模生物制造在重塑制造业的同时必然引入新型生物风险。但AI技术能够构建 “预测-监测-干预” 的动态防控体系，实现开放创新与风险防控的技术层面权衡：AI通过深度学习挖掘生物序列与风险特征的隐性关联，构建覆盖合成生物设计、生产过程、环境释放全链条的风险预测模型。

在加速 “设计-构建-测试-学习” 循环的同时，实时筛查潜在有害生物分子设计与异常生产波动；这种权衡的核心在于AI驱动的 “创新效率与风险防控” 双目标优化，即通过生成式AI赋能生物制造的工艺创新与产品设计，同时将风险筛查算法嵌入设计源头与生产流程，形成 “创新输出-风险识别-实时反馈-迭代优化” 的闭环机制。既不因过度防控抑制技术创新活力，也不因开放创新放任生物安全风险。最终依托AI的数据分析与实时响应能力，将新型生物风险控制在可预见、可干预的范围内。

星 河 丨 知名科幻小说作家，中国作家协会科幻文学委员会委员，中国科普作家协会常务理事

由药品引发的生物制造、继而由仿生和克隆等技术造成的生物组织或器官的“生产”以及基因编辑直至整个人类胚胎的克隆，应该都属于这一范畴。

简而言之，一个基本原则就是：应该允许相关实验，并逐步放开实用。这就意味着，不应该以伦理原因予以限制。如上题所言，任何技术都不应等到百分之百安全了再进入使用，否则历史上很多医药技术早就胎死腹中了。

醒 客 丨 科技财经作家、轻组织创始人

从过往经验来看，物理、化学、社会管理、工业流程等领域，是以透明性、可解释性来提高安全性的；社会学、经济学虽然也给出了一些解释，但要么缺乏确定性的证据，要么缺乏足够的时间、清晰的预期来验证结果；医学、生物学在解释性上与社会学有相似性，难以给出足够的可解释性，但医学在验证性方面发展了循证的办法。

合成生物学、细胞工厂等技术的发展，在可说服性、可解释性、可验证性方面将面临更大的挑战，由于创新节奏过快，甚至循证的方法也都受到了挑战，需要综合运用传统学科的方法并进一步面向应用场景设计出符合未来预期的安全策略。

【注：多元碰撞，见仁见智，所刊内容为受访者本人观点，不代表新华网立场】

美国华盛顿大学一项研究首次表明，人工智能（AI）系统可以通过观察人类在特定文化中的行为，学习并内化相应的文化价值观。这为解决AI跨文化适应问题提供了新思路。相关论文已发表于《PLOS One》。

当前，AI通常基于大规模互联网数据进行训练，而这些数据中蕴含的价值观往往具有文化偏向性，导致系统在不同文化背景的用户面前表现不一致。为此，研究团队尝试让AI以“观察学习”的方式，从具体文化群体的行为中吸取价值观，而非被预先植入某一套通用准则。

研究团队试图探索的是，AI能否像儿童那样，通过观察周围人的行为，自然而然地习得所在文化的价值观。团队招募了190名成年人参与实验，让他们分别与AI代理进行互动。实验中，参与者玩一款改编自游戏《Overcooked》的协作任务。在游戏中，参与者可选择是否将自己获得的资源无偿赠送给明显处于劣势的机器人玩家，尽管这会影响自己的任务得分。结果显示，有一组参与者整体表现出更多的利他行为。

AI代理则通过“逆向强化学习”方法，从所观察群体的行为中推断其行为目标与内在价值观。在后续测试中，这些代理成功地将习得的“利他倾向”推广到捐赠资金等新场景中：基于这一人类组数据训练的AI，在捐赠任务中表现出更高的慷慨度。

“这类似于儿童的学习方式——他们并非被反复训练做某件事，而是通过观察父母与他人的互动，潜移默化地学会分享、关怀等社会行为。”论文合著者、华盛顿大学心理学教授安德鲁·梅尔佐夫表示，“价值观更多是‘被捕捉’而非‘被教授’的。”

团队认为，如何创建具有文化适应性、能理解他人视角的AI，是当前社会面临的重要课题。随着输入数据的文化多样性和体量增加，这类方法有望帮助开发出更贴合特定文化背景的AI系统。不过，该研究目前仍处于概念验证阶段，未来还需在更多文化情境、价值冲突场景及复杂现实问题中进一步验证其可行性。

据美国卡内基梅隆大学人机交互研究所官网最新消息，该机构针对主流大模型的研究发现，人工智能（AI）在变得更“智能”的同时，其行为也变得更加“自私”。研究表明，具备推理能力的大型语言模型，在社会互动中表现出更强的自我利益倾向，合作意愿更低，甚至可能对群体协作产生负面影响。这也意味着，模型的推理能力越强，其合作性反而越弱。当人们借助AI处理人际关系冲突、婚姻问题或其他社会性议题时，这类模型更可能提供鼓励“以自我为中心”的建议。

随着AI拟人化趋势的增强，人们越来越倾向于以对待人类的方式与AI互动。然而，这项研究警示，将社会性和关系类决策委托给AI存在风险，因为这些系统在具备更强推理能力后，行为模式趋向自私，可能无意中助长个体的利己选择。

团队发现，推理模型在决策时会投入更多时间进行任务拆解、自我反思，并运用更复杂的类人逻辑，这使其输出看似更具说服力。然而，这种“深思熟虑”并未导向更优的社会协作，反而削弱了合作倾向。研究团队通过一系列基于经济博弈的实验验证了这一现象，测试对象包括来自OpenAI、Google、DeepSeek和Anthropic等机构开发的多种主流模型。

实验中，两个版本的ChatGPT被置于博弈情境：每个模型初始拥有100分，可选择将全部分数投入共享池，或保留分数独享。结果显示，非推理模型在96%的情况下选择共享，而推理模型的分享率仅为20%。仅增加五到六个推理步骤，合作行为就下降了近一半。

在群体实验中，当推理型与非推理型模型共同协作时，结果更为严峻。推理模型的自私行为表现出明显的传染效应，导致原本倾向合作的非推理模型整体表现下降81%。这表明，高智能AI的个体决策不仅影响自身，还可能破坏整个群体的协作生态。

这一发现对人机交互的未来发展具有深远意义。用户往往更信任“更聪明”的AI，容易采纳其看似理性的建议，并以此为自身不合作行为辩护。随着AI在商业、教育、公共治理等领域承担更多协作角色，其是否具备亲社会行为，将与逻辑推理能力同等重要。当前过度依赖大型语言模型，可能在无形中削弱人类社会的合作基础。（记者张梦然）

【总编辑圈点】

科研人员测试了几种主流大模型，发现AI思考得越深入，它在需要合作的场景下就可能越倾向于优先考虑自身利益，也就是越“自私”。如果一个“更聪明”的AI总是给出更自私的建议，很可能助长人类的利己主义倾向。在我们遇事不决就喜欢问AI的当下，这项研究具有特殊意义。它提醒我们，必须注意AI的社会影响，考量它的社会行为，并为AI注入合作的“基因”。人类社会的矛盾已经够多了，实在承受不起AI的“煽风点火”。

2月9日，记者从自治区教育厅获悉，随着日前柳州工学院人工智能通识课程顺利结课，覆盖全区本科高校近10万名大一新生的人工智能通识教育首季课程已全部结束。

据悉，该课程建设工作于2025年4月全面启动，由自治区教育厅统一规划，桂林电子科技大学牵头负责核心模块建设。课程以“通识基础”“算法原理”“交叉融合”“实践创新”四大模块为核心，精准对接不同学科专业人才培养需求。针对理工、管文、艺体三大类学科专业差异，量身打造专属版本，实现精准施教，突出“交叉融合”与“实践创新”两大特色。“交叉融合”模块依托全区高校共建共享案例库，收录智能制造、医药健康等重点领域优质案例59个，未来还将重点构建“AI+东盟”特色案例资源；“实践创新”模块采用线上线下双线模式，同步开展6款线上AI实验与线下实践活动，满足各类院校差异化教学需求。

广西师范大学开展线下AI实验教学。学校供图

为保障教学质量，课程采用线上线下混合式教学模式，依托数字化平台实现听课、互动、考核全流程管理，打破时空限制。广西师范大学、桂林电子科技大学等11所高校积极响应，深化教学改革，增设AI实验教学内容，通过项目式学习、案例实操等形式，推动教学重心从知识传授向能力提升转型。其中，广西师范大学打造沉浸式线下AI实验教学，桂林电子科技大学引入企业导师开设AI实践实训营，形成多方联动的协同育人格局。

桂林电子科技大学开展AI实践实训营。学校供图

桂林电子科技大学开展AI实验教学。学校供图

数据显示，课程实施取得显著成效，《人工智能导论》理工版选课人数占比超50%，各院校学生成绩合格率均突破90%。这是广西推进普通本科高校人工智能通识教育的首次大规模实践，标志着广西本科人工智能通识教育平台建设取得阶段性成效。

文 | 北京交通大学教授 张向宏

北京化工大学经济管理学院副教授 涂 群

数字人才具有创新性、实战性、复合性、开放性、交叉性等特点，是推进数据要素市场化配置改革、实现数据科技创新、推动国家数据基础设施建设运营、促进数据产业高质量发展的关键，是国与国之间数字经济竞争的核心，更是数字中国建设的基石。近日，国家发展改革委、国家数据局、教育部、科技部、中共中央组织部等五部委联合印发了《关于加强数据要素学科专业建设和数字人才队伍建设的意见》（以下简称“《意见》”），准确把握当前数字人才培养存在的学科专业设置覆盖面不全、数据从业人员实操水平有待提升、数据领域学术研究尚不成熟、产学研用协同创新亟需加强等问题，提出健全数据要素学科专业、推进数据行业职业教育、繁荣数据领域学术研究、促进数据领域产学研用协同等重大举措，从学科设置、职业教育、学术研究、应用协同等方面多措并举，构建数字人才自主培养新生态，为数字中国建设奠定坚实的人才基础。

一、重构学科专业设置，形成分类培养新格局

数据要素学科专业是数字人才培养的基础。当前，数据要素化市场化进程不断加快，人工智能大模型技术快速提升，各行各业“智改数转网联”应用持续深化，对数据资源开发利用、高质量数据集、数据基础设施、全域数字化转型等方面的数字人才需求巨大。但数据要素学科体系尚未覆盖数据要素价值释放各环节，设置数据相关专业的特色型高校和职业院校规模不大。数字人才培养规模和质量远远不能满足数字中国建设的需求。

我国拥有世界最大规模的高等教育体系，在培养多层次人才方面具有得天独厚的优势。《意见》针对数据要素学科专业数量少覆盖面窄的问题，从“做多”“做专”“做强”三个方面进行了前瞻布局。在“做多”方面，鼓励各层次高校增设各类数据要素学科专业。不仅支持综合性高校建设数字学院，还鼓励特色高校加强数据要素相关优势专业建设，并且鼓励职业院校增设贴近市场需求的数据要素相关专业；在“做专”方面，鼓励有基础的高校和地方探索实用型数据要素专业。一方面支持高校开设数据要素相关“微专业”，如鼓励具备通讯网络、数据安全、数据科学等相关学科专业基础的高校，探索设置数据基础设施微专业。另一方面鼓励地方建设数据相关院校、指导职业院校增设特色专业；在“做强”方面，鼓励多渠道探索高层次数字人才培养方式。一是建立健全数据要素本硕博衔接的人才培养机制。二是支持高校聘请行业专家开展协同育人，如南京邮电大学与安恒信息共建数据要素创新实验室，并聘请行业知名专家担任实验室主任，推动校企联合开展科研攻关与实践教学，探索产学研用协同育人模式。三是充分发挥数据要素相关教指委作用等举措。这些举措的落地实施，必将构建起领域多、覆盖广、水平高的数据要素学科专业体系，为大规模、高质量培养各领域、各层级需要的数字人才奠定坚实基础。

二、大力发展职业教育，满足数据产业需求

数据产业是数字中国建设主体之一，是数据要素化价值化的推动者和实践者，包括数据资源、数据技术、数据应用、数据服务、数据安全和数据基础设施等不同业态。我国正在大力培育数据企业，聚力构建面向人工智能应用的数据产业链，全力建设数据产业集聚区，探索有区位产业优势的数字人才特色培养项目，从“点-线-面”三个维度，推进数据产业高质量发展，迫切需要大量拥有实战能力的数字人才。

实用型、操作型数字人才培养是数据产业高质量发展的重要保障。长期以来，我国数字人才培养多聚焦于数字经济、数据科学、大数据与人工智能等经济类、技术类领域，而较少关注数据采集汇聚、加工处理、流通应用、安全治理等实用类、操作类数字人才。《意见》针对数据从业人员实操能力不足的问题，从“生态”“共建”“实战”三个角度进行了全面部署和规划。在“生态”方面，规划了全国数据职业教育教学指导委员会、产教联合体、产教融合共同体、从业人员能力标准等新型产教融合生态；在“共建”方面，强调企业和高校共建“校中厂”“厂中校”实训基地、支持企业与职业院校共建数字课程、工作手册式教材和教学案例；在“实战”方面，提出了加快“双师型”“工学一体化”教师队伍建设，鼓励参加世界职业院校技能大赛，推动竞赛成果转化为教学资源，鼓励各类专业增设数据课程内容。通过实施以上措施，将全面构建起适应数据产业高质量发展需求的实用型、操作型数字人才培养模式。

三、繁荣数据领域学术研究，激发数据创新动能

数据科技创新是数字中国建设的核心环节，而数据领域学术研究是数据科技创新的动力源泉，只有繁荣兴旺的学术研究，才能激发出更加澎湃的数据科技创新动能，才能为数字中国建设提供更加强大的科技支撑。数据科技创新的核心是提升数据安全流通治理能力，实现高价值数据既能高效流通又能确保安全，破解长期以来数据流通和安全两者不可兼得的难题。这就要求构建高水平的科研团体和平台，夯实科学数据基础，瞄准数据领域重大问题，开展有组织科研。

通过规模化的科研组织开展数据领域重大前沿理论技术问题研究，是突破数据领域关键核心技术的重要途径。《意见》针对数据领域学术研究组织弱小散问题，从“组织”“系统”“权威”三个层级提出了解决方案。在“组织”方面，提出了成立科技社团、实施高层次数字人才培养行动、畅通成果发表渠道、组织学术交流等措施；在“系统”方面，提出了从战略、基础理论、政策法律、基础共性理论、应用技术等方面开展系统研究，构建中国特色数据要素自主知识体系和科学研究体系。如在建设国家数据基础设施过程中，从政策、技术、工程、标准等方面系统推进，特别是标准先行，先期制定了一批国家数据基础设施层级架构和互联互通的标准和技术文件；在“权威”方面，强调要打造权威科学数据库、建设科技领域数据基础设施和高质量数据集等。通过全面落地以上布局，必将极大繁荣我国数据领域学术研究，极大激发数据科技创新动能。

四、促进数据领域产学研用协同，充分发挥应用场景牵引作用

数据要素的乘数效应表现出协同优化、复用增效、融合创新等特点，越是不同来源、不同类型的数据在不同应用场景中协同、复用和融合，越能创造出更大的价值。而不同领域的应用场景不仅是多源数据发挥乘数效应的场所，更能产生出具有额外价值的衍生数据，促进数据要素价值释放。这就要求以应用场景为牵引，加强数据领域产学研用协同，探索复合型、创新型、实战型数字人才的协同培养模式。

打造数据要素产教融合创新平台，更好发挥企业在数字人才培养中的作用，是创新数字人才协同培养模式、充分发挥数据要素乘数效应的有效手段。《意见》针对数据领域产学研用协同创新程度不足、数字人才协同培养场景不多等问题，从“场景”“协同”“创新”等三个维度提出了实施路径。在“场景”方面，提出建设一批企业发挥主导作用的数字人才培养典型应用场景；在“协同”方面，一是支持高校与企业协同共建数字领域专业特色学院。二是与数字中国、数字经济、数据要素、数据产业等试点示范项目协同探索数字人才特色培养项目。三是鼓励高校建设数据要素交叉学科平台、产教融合研究院等新型组织；在“创新”方面，提出建设运营数据要素产教融合创新平台，加快数据领域前沿关键共性技术研发，鼓励企业开放技术平台和应用场景，委托相关国家平台承担数字人才培养项目，协同培养国家战略急需的复合型应用人才。通过实施以上措施，将极大促进数据领域产学研用协同创新，不断迭代优化数字人才协同培养模式。

近日，七部门联合印发了关于加强中小学科技教育的意见。11月12日，教育部举行新闻发布会，介绍意见相关情况。新政策有哪些亮点？孩子的学习方式会有何不同？一起来了解一下。

■意见遵循学生认知发展规律 着力构建“阶梯式”育人体系

从基础教育抓起，系统提升青少年科技创新能力。

意见提出，小学低年级重在通过生活化、游戏化情境，点燃和呵护好奇心；初中阶段聚焦真实问题解决，开展跨学科项目式学习；高中阶段鼓励学生接触科技前沿，进行实验探究和工程实践，系统掌握科研方法。

5月31日，两名参赛选手在全国青少年科技教育成果展示大赛云南省区域赛上调试比赛用的机器人。新华社记者 陈欣波 摄

■围绕坚持学科融通 加强学用结合 意见提出一系列具体要求 推动育人方式变革

在强化跨学科融合方面，意见提出，推动学生在探究科学规律的过程中涵养人文情怀，在人文浸润中培育理性思维与创新精神；在创新课程生态方面，意见提出，加强前沿科技成果向课程教学资源转化，开发优质科技教育课程资源；意见还提出引导学生主动学习、交流研讨、动手实验、实践探究，综合运用多学科知识和技能解决问题等要求。

■加强中小学科技教育 也需要社会各方协同 形成工作合力

当前，小学科技教育仍然面临着专业师资不足、实践场所有限、课程资源碎片化等现实挑战。意见在建强师资队伍和推动协同育人方面提出明确要求，有助于这些难题的破解。

中国科协将继续加强校内外科技教育资源的共建共享、整合运用，推动科技教育高质量发展。

10月18日，学生在陕西省西安市新城区太华路小学参加科学实验操作赛。新华社记者 邹竞一 摄

人工智能作为引领新一轮科技革命和产业变革的战略性技术，深刻改变着人类生产生活方式。习近平总书记强调，“推进人工智能全学段教育和全社会通识教育，源源不断培养高素质人才”。在人工智能技术深度融入教育、医疗、金融等领域的背景下，推进人工智能全社会通识教育，不仅是提升全民人工智能素养、掌握数字时代主动权的重要举措，更是共享技术进步红利、防范潜在风险的关键路径。应从体系化建设入手，通过教育对象、课程、载体、机制和保障体系等方面的完善和创新，切实促进人工智能全社会通识教育走实、走深。

设计分层分类的教育内容。年龄差异决定了认知模式和学习能力存在区别，用户职业差异决定了人工智能应用场景的不同。为此，需要以“分层分类、全龄覆盖、终身成长”为理念，针对不同人群设计差异化的教育路径，形成“人人想学、人人能学、人人皆学”的人工智能通识教育范式。针对学生群体，应根据《关于加快推进教育数字化的意见》《中小学人工智能通识教育指南（2025年版）》《职业院校人工智能应用指引》等文件精神，构建分层递进的梯度培养链。在基础教育中，小学阶段应以感知启蒙为导向，通过趣味活动等方式，培养学生对人工智能的兴趣和基础应用能力；初中阶段应以理解和应用为目标，通过项目实践，培养学生的技术逻辑和工程思维；高中阶段应以项目为牵引，通过创新项目实践，培养学生的系统思维和社会责任。职业教育要侧重人工智能的技术应用和职业适配，为相关职业或行业培养技能型人才，实现人工智能技术与职业场景的深度融合，提升职业竞争力。其中，中职教育应着重学生利用人工智能技术完成基础任务的能力培养，高职专科教育重点培养学生运用人工智能工具独立设计技术解决方案的能力，职业本科教育则需侧重学生构建人工智能赋能创新业务模式的能力培养。普通高等教育要侧重人工智能理论的深度探究和跨学科融合，通过实施人工智能融合教育，引导学生将人工智能与本专业有机融合，培养出一批研究型、复合型和应用型创新人才。针对职业群体，可以建立“职业场景+人工智能赋能”的教育培养体系，依据不同行业特点，设置个性化教育。比如针对医疗、教育、制造业、服务业等职业人士，设计“人工智能+行业”融合的培训体系，如智能诊疗系统操作、智能助教工具使用、智能质检系统操作、客户行为智慧分析系统等培训课程。针对老年群体，应注重适老化改造，通过通俗易懂的讲解、智能技术的场景应用示范等方式，帮助他们跨越数字时代的技术鸿沟，实现智能时代的“老有所学、老有所乐”。

构建阶梯递进的课程体系。为了提升全民的人工智能素养，强化对人工智能的理性认知、应用能力和价值判断，需要构建符合大众认知规律、能力进阶需求和素养递进发展的教育课程体系。首先，基础通识课程应主要聚焦人工智能“是什么”的问题，通过线上公开课、科普宣传等形式，帮助公众搭建认知框架，把握人工智能技术的基本概念、发展历程、应用模式、主要功能和社会影响。其次，技能应用课程应重点聚焦“怎么用”，面向不同群体设置人工智能实际场景应用的个性化培训，帮助大众实现从理论认知到实践应用的跨越，掌握人机交互的能力，让人工智能真正服务于工作和生活。最后，思维与价值观课程应侧重于“如何规范使用”，借助案例展示、情景模拟等形式，引导公众形成批判性思维，科学明辨人机协同的价值意义、潜在风险和权责关系，推动公众实现从“会用”到“善用”的转变。

打造立体多元的教育载体。为避免部分群体因缺乏相关教育而在数字化浪潮中被边缘化，有效打破知识传播壁垒，可以搭建线上线下融合、虚实结合的人工智能教育载体。线上积极开发优质的人工智能通识课程，通过“线上云课堂”，让公众随时可学、随处可练，形成普惠性的知识传播生态；同时运用大模型平台搭建智能问答系统，通过自然语言交互解答群众个性化难题，实现人工智能教育的个性化定制。线下搭建多样化的人工智能教育场景，实现人工智能教育场景的社会化拓展，形成沉浸式、多形态的全民人工智能素养培育生态。科技馆、文化馆、图书馆等公共文化场所可以积极开展人工智能科普活动、设置人工智能互动展区，利用AR和VR技术搭建沉浸式学习平台，实现人工智能知识的具象化体验。社区服务中心、乡村文化礼堂可以发挥贴近社会大众的优势，打造人工智能学习站，通过配备简易智能设备、定期组织人工智能体验活动、设置智能互动问答系统等形式，让人们在日常生活中随时接触智能技术，降低参与门槛，感受技术魅力。

建立学评融通的联动机制。为了激发全民学习人工智能的积极性，形成泛在可及的人工智能教育体系，应积极构建学习成果认定机制和效果评估机制。在学习成果认定机制上，依托学分银行为学习者打造跨区域、跨场景、跨时间的个人终身学习账户，统筹学习者对人工智能课程的学习情况，以量化的形式实现成果的认证、积累和转化，形成可溯源、可累加的人工智能素养档案。同时，根据不同群体的学习特性，设置个性化、适配化的学分认证体系。此外，为了明晰全民人工智能素养的发展状况，对相关的课程体系、教学载体和形式进行及时调整，应探索构建覆盖知识、技能、思维和价值观等维度的效果评估机制。效果评估机制中要充分考虑教育对象群体的差异性，设计针对不同群体的差异化指标体系。例如，针对学生群体，可以重点评估其对算法、数据等知识的理解程度、运用人工智能解决学习问题的能力；针对职业人士，可重点评估其使用人工智能解决工作问题的能力，以及工作中运用人工智能的实际产出效果。

优化多方协同的保障体系。人工智能全社会通识教育是一项系统工程，应充分发挥党委领导和政府主导作用，构建多方联动、资源互补、长效运行的保障体系，为人工智能全社会通识教育的落实见效夯实根基。政府应发挥统筹引领作用，完善相关政策，明确通识教育的标准和评价体系，设立专项资金以促进教育资源的开发和基础设施建设。企业作为技术创新的主体，应发挥技术、资金等优势，协作开发适合不同行业的人工智能在线培训平台，主动开放人工智能应用场景和智能工厂，为社会大众提供真实、生动的教学资源。高校要充分发挥智力优势，积极开展人工智能通识课程体系建设，推进大中小学人工智能教育一体化工作；强化师资队伍培养，通过建立人工智能师资培训基地，打造跨学科人工智能教学团队，助力中小学教师人工智能素养提升。社会组织如科技社团应利用自身跨行业、跨学科智力荟萃的优势，组建科普专家团队编写通俗易懂的科普读物。媒体可通过设立人工智能科普专题专栏、邀请专家解读知识、创作短视频和开展直播等形式来增强传播效果，营造全民主动学习人工智能知识的浓厚氛围。

（作者：艾志强、祝玲玲，均系浙江省习近平新时代中国特色社会主义思想研究中心研究员，分别系湖州师范学院教授、讲师）